<\/p>\n
Analiza ANOVA Welcha<\/strong> jest alternatyw\u0105 dla typowej jednokierunkowej analizy ANOVA<\/a> , gdy nie jest spe\u0142nione za\u0142o\u017cenie o r\u00f3wno\u015bci wariancji<\/a> .<\/span><\/p>\n Poni\u017cszy przyk\u0142ad pokazuje krok po kroku, jak wykona\u0107 analiz\u0119 ANOVA Welcha w Pythonie.<\/span><\/p>\n Aby ustali\u0107, czy trzy r\u00f3\u017cne techniki nauki prowadz\u0105 do r\u00f3\u017cnych wynik\u00f3w egzaminu, profesor losowo przydziela 10 uczni\u00f3w do stosowania ka\u017cdej techniki (techniki A, B lub C) przez tydzie\u0144, a nast\u0119pnie przydziela ka\u017cdemu uczniowi test o r\u00f3wnym stopniu trudno\u015bci.<\/span><\/p>\n Poni\u017cej prezentujemy wyniki egzamin\u00f3w 30 uczni\u00f3w:<\/span><\/p>\n Nast\u0119pnie mo\u017cemy wykona\u0107 test Bartletta<\/a> , aby okre\u015bli\u0107, czy wariancje pomi\u0119dzy ka\u017cd\u0105 grup\u0105 s\u0105 r\u00f3wne.<\/span><\/p>\n Je\u015bli warto\u015b\u0107 p<\/a> statystyki testowej jest poni\u017cej pewnego poziomu istotno\u015bci (np. \u03b1 = 0,05), w\u00f3wczas mo\u017cemy odrzuci\u0107 hipotez\u0119 zerow\u0105 i stwierdzi\u0107, \u017ce nie wszystkie grupy maj\u0105 t\u0119 sam\u0105 wariancj\u0119.<\/span><\/p>\n Mo\u017cemy u\u017cy\u0107 nast\u0119puj\u0105cego kodu, aby wykona\u0107 test Bartletta w Pythonie:<\/span><\/span><\/p>\n Warto\u015b\u0107 p ( 0,01089<\/strong> ) testu Bartletta jest mniejsza ni\u017c \u03b1 = 0,05, co oznacza, \u017ce mo\u017cemy odrzuci\u0107 hipotez\u0119 zerow\u0105, \u017ce ka\u017cda grupa ma t\u0119 sam\u0105 wariancj\u0119.<\/span><\/p>\n Tym samym naruszone zostaje za\u0142o\u017cenie o r\u00f3wno\u015bci wariancji i mo\u017cemy przyst\u0105pi\u0107 do analizy ANOVA Welcha.<\/span><\/p>\n Aby wykona\u0107 analiz\u0119 ANOVA Welcha w Pythonie, mo\u017cemy u\u017cy\u0107 funkcji welch_anova()<\/strong> z pakietu Penguin.<\/span><\/p>\n Najpierw musimy zainstalowa\u0107 Penguina:<\/span><\/p>\n Nast\u0119pnie mo\u017cemy u\u017cy\u0107 nast\u0119puj\u0105cego kodu, aby wykona\u0107 ANOVA Welcha:<\/span><\/p>\n Og\u00f3lna warto\u015b\u0107 p ( 0,001598<\/strong> ) tabeli ANOVA jest mniejsza ni\u017c \u03b1 = 0,05, co oznacza, \u017ce mo\u017cemy odrzuci\u0107 hipotez\u0119 zerow\u0105, \u017ce wyniki egzaminu s\u0105 r\u00f3wne w\u015br\u00f3d trzech technik badawczych.<\/span><\/p>\n Nast\u0119pnie mo\u017cemy wykona\u0107 test post-hoc Gamesa-Howella, aby dok\u0142adnie okre\u015bli\u0107, kt\u00f3re \u015brednie grupowe s\u0105 r\u00f3\u017cne:<\/span><\/p>\n Z warto\u015bci p widzimy, \u017ce \u015brednia r\u00f3\u017cnica mi\u0119dzy grupami a<\/strong> i b<\/strong> jest znacz\u0105co r\u00f3\u017cna, a \u015brednia r\u00f3\u017cnica mi\u0119dzy grupami b<\/strong> i c<\/strong> jest znacz\u0105co r\u00f3\u017cna.<\/span><\/p>\n Jak wykona\u0107 jednokierunkow\u0105 ANOVA w Pythonie<\/a> Analiza ANOVA Welcha jest alternatyw\u0105 dla typowej jednokierunkowej analizy ANOVA , gdy nie jest spe\u0142nione za\u0142o\u017cenie o r\u00f3wno\u015bci wariancji . Poni\u017cszy przyk\u0142ad pokazuje krok po kroku, jak wykona\u0107 analiz\u0119 ANOVA Welcha w Pythonie. Krok 1: Utw\u00f3rz dane Aby ustali\u0107, czy trzy r\u00f3\u017cne techniki nauki prowadz\u0105 do r\u00f3\u017cnych wynik\u00f3w egzaminu, profesor losowo przydziela 10 uczni\u00f3w do […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[3],"tags":[],"class_list":["post-1615","post","type-post","status-publish","format-standard","hentry","category-przewodnik"],"yoast_head":"\n Krok 1: Utw\u00f3rz dane<\/strong><\/span><\/h3>\n
A = [64, 66, 68, 75, 78, 94, 98, 79, 71, 80]\nB = [91, 92, 93, 90, 97, 94, 82, 88, 95, 96]\nC = [79, 78, 88, 94, 92, 85, 83, 85, 82, 81]\n<\/strong><\/pre>\n
Krok 2: Test r\u00f3wnych r\u00f3\u017cnic<\/strong><\/span><\/h3>\n
import<\/span> scipy. stats<\/span> as<\/span> stats\n\n#perform Bartlett's test \n<\/span>stats. bartlett<\/span> (A, B, C)\n\nBartlettResult(statistic=9.039674395, pvalue=0.010890796567)\n<\/strong><\/span><\/pre>\n Krok 3: Wykonaj ANOVA Welcha<\/strong><\/span><\/h3>\n
pip install<\/span> Penguin<\/span>\n<\/strong><\/pre>\n import penguin<\/span> as pg<\/span>\nimport<\/span> pandas as<\/span> pd\nimport<\/span> numpy as<\/span> np\n\n#createDataFrame\n<\/span>df = pd. DataFrame<\/span> ({' score<\/span> ': [64, 66, 68, 75, 78, 94, 98, 79, 71, 80,\n 91, 92, 93, 90, 97, 94, 82, 88, 95, 96,\n 79, 78, 88, 94, 92, 85, 83, 85, 82, 81],\n ' group<\/span> ': np. repeat<\/span> (['a', 'b', 'c'], repeats<\/span> = 10<\/span> )}) \n\n#perform Welch's ANOVA\n<\/span>pg. welch_anova<\/span> (dv=' score<\/span> ', between=' group<\/span> ', data=df)\n\n Source ddof1 ddof2 F p-unc np2\n0 group 2 16.651295 9.717185 0.001598 0.399286\n<\/strong><\/pre>\n pg. pairwise_gameshowell<\/span> (dv=' score<\/span> ', between=' group<\/span> ', data=df)\n\n\n A B mean(A) mean(B) diff se T df pval\t\n0 a b 77.3 91.8 -14.5 3.843754 -3.772354 11.6767 0.0072\n1 a c 77.3 84.7 -7.4 3.952777 -1.872102 12.7528 0.1864\n2 b c 91.8 84.7 7.1 2.179959 3.256942 17.4419 0.0119\n<\/strong><\/pre>\n Dodatkowe zasoby<\/strong><\/span><\/h3>\n
Jak wykona\u0107 dwukierunkow\u0105 ANOVA w Pythonie<\/a>
Jak wykona\u0107 powtarzalne pomiary ANOVA w Pythonie<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"